国产精品天天看_欧美另类高清zo欧美_国产精品视频yy9299一区_日韩电影中文字幕一区

(資料圖片僅供參考)

異常檢測器用于區分正常數據和異常數據之間的差異，通常通過對每個實例的異常分數進行評估和排序來實現。靜態無監督流異常檢測器難以動態調整異常分數計算。

為了解決這個問題，余志文教授領導的研究團隊在FrontiersofComputerScience上發表了他們的新研究。

該團隊提出了一種人機交互的流式異常檢測方法，命名為ISPForest，可以在人類反饋的指導下自適應在線更新。特別是，反饋將用于調整檢測器的異常分數計算和結構，理想情況下在未來獲得更準確的異常分數。

實驗結果表明，結合反饋的效用可以通過一些人為的努力來提高異常檢測器的性能。

在研究中，他們分析了空間劃分森林模型的異常檢測原理。為了改進原來的異常檢測器，他們在流式異常檢測過程中添加了檢測結果的人工反饋機制。首先，根據森林結構與異常分數計算之間的關系，他們分別構造區域似然函數和實例似然函數，以描述檢測結果與人類反饋的一致性。

然后，根據最大似然估計原理，根據梯度下降過程適時調整原異常檢測器的參數和結構。最后，設計了檢測結果的不確定函數來控制人機交互的頻率。

反饋效果的實驗結果表明，將異常檢測器與人類反饋相結合對于適應動態環境具有重要意義，并且檢測器的性能在勞動力成本增加的情況下迅速提高。未來的工作可以考慮方法的擴展，探索反饋機制下的時間序列異常檢測。